Jasna：把去除马赛克流水线搬上 GPU，比 Lada 快 3～4 倍，效果堪比原片

Jasna 拆解：把整条视频修复流水线塞进 GPU，比 Lada 快 3 到 4 倍

一个开源的本地视频 / 图片马赛克修复工具。应用层 AGPL-3.0，带 GUI 和完整 CLI，全流程在本机 GPU 上跑。仓库地址 github.com/Kruk2/jasna ｜ 中文说明 github.com/Kruk2/jasna/blob/main/README.zh.md

这类工具过去最大的痛点是能用但慢：CPU 解码、逐帧落盘、模型跑在 PyTorch eager 上、编码再交给 CPU x264。Jasna 的做法是把每一步都挪到 GPU，并且针对只修一小块区域这个场景做了专门的工程优化。下面按流水线拆开讲，最后给可以直接抄的命令。

一、流水线：7 个阶段，全部在 GPU 上

解码 NVDEC/AMF → 检测 rfdetr-v6 逐帧找马赛克 → 跟踪并分片 → BasicVSR++ 修复成 256×256 图块 → 可选二次修复 → 融合回原帧 → NVENC/AMF 编码且音频直通。

几个值得单独拎出来的工程细节：

1. 分片是按对象而不是按时间轴。 不是简单把视频切成 N 帧一段。它先逐帧跟踪每一个马赛克目标，同一个目标的连续帧才归为一个 clip。三个后果：镜切处强制断开，所以一个 clip 永远不会跨两个镜头，不会把 A 镜头的纹理糊到 B 镜头；clip 之间有重叠帧并做交叉淡化，消除拼接闪烁；短暂漏检可以被补上，不会导致片段被切断。

2. 修复分辨率固定 256×256。 BasicVSR++ 只处理 256×256 的图块，不是整帧。这是显存能压到 4 到 5 GB 的根本原因——修 4K 和修 1080p，模型侧开销一样，差别只在解码、融合和编码。

3. 融合阶段只改马赛克区域。 原帧其余像素原样保留。这比整帧重绘的方案靠谱得多，不会把整段视频的画质和噪点特征都改掉。

4. 音频直通。 只有输出容器不支持源音频格式时才重编码，默认 mkv 容器基本不会触发。

二、模型矩阵

修复模型用 --restoration-model-name 指定：

LTX 是扩散模型路线，处理逻辑和 BasicVSR++ 完全不同。它会跑 4 遍：找马赛克、准备、扩散修复、保存。更慢，但能生成真实纹理细节，而不只是插值。

检测模型用 --detection-model 指定：

调阈值的口诀：漏检就调低，误检就调高。

二次修复用 --secondary-restoration 指定：

静态图片自动切 SD 1.5 路线，--restoration-model-name 对图片无效：

三、性能数字

3 分 22 秒整段视频，RTX 5090（Linux），BasicVSR++：

分辨率越高加速越明显，因为瓶颈被搬到了 GPU 上，而 Lada 在 CPU 侧的固定开销不随分辨率下降。

显存占用（典型 / 峰值，GB）：

一个版本里 1080p 显存从 18.9 GB 干到 4.8 GB，降了将近 4 倍，这是这次最实在的优化。

四、怎么用：从零到跑通

Step 0 先自查硬件，别白下载。

Step 1 下载解压。 从 GitHub Releases 下对应系统和显卡的发行包，解压到纯英文路径。D:\下载\jasna\ 会直接崩，D:\tools\jasna\ 才行。

Step 2 启动。 Windows 下 GUI 和 CLI 是同一个文件，双击 jasna.exe。Linux NVIDIA 运行 ./jasna。Linux AMD 要先装一次 AMF 运行库，从 repo.radeon.com/amf/26.20/ 下载 zip、解压、执行 sudo bash amf_installer_26.20.sh，同意许可协议后运行 run_jasna_amd.sh。

Step 3 首次运行要等 15 到 60 分钟，这一步跑不掉。 在 NVIDIA 上 Jasna 会用 TensorRT 为你的具体 GPU 编译检测模型和 BasicVSR++ 修复模型，用了 UNet 4x 也会一起编译。期间别开浏览器、别打游戏、别用这台电脑。编译结果存在 model_weights/ 目录里，之后所有任务复用。升级 Jasna 时把这个目录拷到新版本里，就不用再等一次。

编译到底值不值：

省不到 0.5 GB 显存，代价是慢 3 倍。除非真卡在显存边缘，否则别关。

Step 4 跑第一个任务。 GUI 里拖入视频，鼠标悬停每个设置旁的 info 图标看说明（每个选项都有解释，别猜），点界面底部的播放按钮。

五、CLI：可以直接抄的用法

CLI 能覆盖 GUI 的绝大部分功能。只有视频播放器、LTX 种子预览、遮罩建议、交互式图片处理这四项是 GUI 专属。

批量加命名模板、加日志：

jasna --input D:/videos/in --output D:/videos/out --output-pattern "{original}_restored" --max-clip-size 90 --temporal-overlap 12 --log-level info

{original} 是输入文件名主干，图片保留原扩展名。如果两个输入会映射到同一个输出文件，Jasna 会在处理前报错退出，不会跑到一半才发现覆盖。

只修一段用区间模式：

jasna --input in.mp4 --output out.mkv --segments "10-25,01:10-01:30.5"

单位是秒或 mm:ss，逗号分隔多个区间。注意 --segments 下输出强制使用输入的编解码器，指定不同的 --codec 会直接报错。另外它不能和 --stream、--retarget-high-fps、--fmp4、--ltx-auto-split 共用。

混合策略，大马赛克用 LTX、小的用 BasicVSR++：

jasna --input in.mp4 --output out.mkv --restoration-model-name ltx --ltx-auto-split 12

意思是高度达到视频高度 12% 的马赛克交给 LTX，其余用 BasicVSR++。这是省钱又省时间的玩法，支持文件夹输入。

LTX 常用开关：

--ltx-trial 这个最该先跑：jasna --input in.mp4 --output out.mp4 --restoration-model-name ltx --ltx-trial。决定要不要掏钱之前，先用它看你的卡能不能跑 LTX、要跑多久。

LTX 任务中断了怎么续：Ctrl+C、报错、关掉应用，重新跑同一条命令就从已保存的进度继续，--segments 和 --ltx-auto-split 也支持。注意未完成的跟踪段可能要重做，输出保存会从头开始。输入、设置或版本变了，替换进度前会先问你；没有交互终端时会停下并保留进度。

显存怎么调，1080p、重叠 8、RTX 5090 的官方数据：

反直觉但重要：片段小不是更快，是更慢。重叠帧在每个 clip 里都要重新处理一遍，clip 越多重复工作越多。超过大约 180 之后时间不再下降，只有显存上升。

调参结论：在显存放得下的范围内用最大的 --max-clip-size，更大意味着更稳且更快；--temporal-overlap 放 8 到 20，超过 20 基本没收益；--enable-crossfade 保持开启，零成本；4K 视频在同 clip 大小下约需 1.5 倍显存；4 到 6 GB 显存跑 1080p，从 --max-clip-size 30 起步。

显存还是不够时的处理顺序：降 clip 大小，然后关掉或换轻量的二次修复，最后关掉其他吃 GPU 的应用（浏览器是隐形大户）。Jasna 有兜底，显存不够时会把等待中的帧挪到系统内存再挪回来，不需要额外设置，但你不会喜欢那个速度。

编码别用默认值糊过去。更高质量（文件更大）用 --cq 22，CQ 加高级编码器参数：

jasna --input in.mp4 --output out.mkv --cq 22 --encoder-settings "rc-lookahead=32,bf=4,preset=p7"

编解码器默认 CQ（NVIDIA）：

有个不显眼但很关键的机制：输出体积自动上限。cq 追求固定质量，对低码率源会输出成好几倍大。所以 Jasna 会按源码率自动设 maxrate：

想关掉就自己把 --maxrate 设成一个大值顶上。

边跑边看有两种。HLS 流式输出不落文件、浏览器里直接看：jasna --input in.mp4 --output out.mp4 --stream --stream-port 8765。生成中就能播的 mp4，中断后文件仍可播放：jasna --input in.mp4 --output out.mp4 --fmp4。后者很适合长任务，跑到一半断电，前面那段还是能播的。

跑完自动干活。全部完成就关机，CLI 模式没有倒计时：jasna --input in.mp4 --output out.mkv --post-export-action shutdown。

每个视频完成后跑命令：

jasna --input in_folder --output out_folder --post-export-video-command "ffmpeg -i {output} -map 0 -map_metadata 0 -map_chapters 0 -c copy -movflags +faststart {output_dir}/{output_stem}_remuxed{output_suffix}"

占位符有 {input}、{output}、{output_dir}、{output_stem}、{output_suffix}。批量处理一整晚的活儿，直接挂 --post-export-action shutdown 走人。

Windows 可以把临时文件丢到内存盘减少 SSD 磨损，用 ImDisk 建个 NTFS 内存盘，启动前设置 TMP 和 TEMP 环境变量指向它。Jasna 优先读 TMP，其次 TEMP，不认 TMPDIR。区间和 LTX 的临时文件位置用 --working-directory 单独指定。

六、激活：支持者模型怎么开

只有 LTX、UNet 4x、SD 1.5 这三个需要许可证，BasicVSR++ 免费。

一码可用 3 台机器或云工作区，激活后完全离线。

机器没网或在线激活失败，走手动三步：先 jasna --machine-key 显示机器密钥（不启动 GPU 和 GUI，很快）；再在任意设备打开 jasna-activation.kruk2.workers.dev，输入机器密钥加许可证码，拿到激活密钥；最后 jasna --activation-key 保存。

租云 GPU（RunPod、Vast）跑 LTX，加 --cloud-workspace，并且把 XDG_CONFIG_HOME 指到一个你会备份的私有目录，激活信息存在那儿，每次必须用同一个。别用 RunPod 的 /workspace，它会忽略私有文件权限。

设备名额怎么算：Windows 换主板算一台新机器，Linux 重装才算。重装 Windows、换显卡或硬盘或内存都不占名额，用同一个码重新激活就行。

七、踩坑清单

渠道安全这条必须说：只从 GitHub 下载。许可证码只通过 Buy Me a Coffee、Unifans、闲鱼官方卖家三条路走。闲鱼上其他卖 Jasna 的都不是官方，密钥用不了，文件还可能在你的机器上跑别的代码。同理 --license-code 和 --activation-key 不能和 --machine-key 同时用，遇到让你这么干的教程直接划走。

八、30 分钟上手路线

九、几个判断

适合谁：有 NVIDIA 独显（8 GB 显存以上更舒服）、有批量处理需求、愿意花时间调参的人。全 GPU 流水线加 CLI 加区间修复加自动关机这套组合，做长任务比点 GUI 舒服得多。

不适合谁：只有核显或 GTX 10 系的机器；只需要处理一两张图的轻度用户，首次编译的时间成本不划算。

关于收费：BasicVSR++ 免费且已经能打，比 Lada 快 3 到 4 倍。LTX 是给要求细节、不接受插值糊感的人准备的。先跑 --ltx-trial 看你的卡撑不撑得住，再决定掏不掏钱，这个设计挺讲道理。

源码层面：应用层 AGPL-3.0，模型和捆绑依赖各有自己的许可，详见 LICENSING.md、assets/THIRD_PARTY_MODELS.md、RELEASE_SOURCES.md。从源码跑可以用免费 BasicVSR++，但激活和支持者模型必须用官方发行版。项目受 Codeberg 上的 Lada 启发，用的 mosaic_restoration_1.2 模型是 Lada 作者 ladaapp 训练的，生态是接上的，不是凭空造。

相关链接